תשובה קצרה: בינה מלאכותית לא תחליף לחלוטין את בנקאי ההשקעות, אך היא תשתלט על נתח גדול מעבודת "הייצור" הזוטרת ותקצץ חלק מהצוותים ככל שזרימות העבודה יעברו שינוי. אם חברות יכולות לגדר כלים בתוך מסילות תאימות ולנתיב ביקורת אטום, מאמץ האנליסטים יתכווץ במהירות; אם האמון נשבר תחת לחץ, בני האדם עדיין יקבלו את ההחלטה.
נקודות מפתח:
אוטומציה של משימות : השתמשו בבינה מלאכותית עבור טיוטות ראשונות, חיבורים, סיכומים ועיצוב שקופיות.
יתרון אנושי : התמקדות באמון, משא ומתן, פוליטיקה ואחריות בעסקאות חיות.
שינוי בכירות : אנליסטים מתכווצים; שותפים/סגני נשיא צוברים מינוף באמצעות סקירה ושיפוט.
בקרות תחילה : התעקשו על שבילי ביקורת, דגלי אי ודאות ומגבלות תאימות מחמירות.
סיכון אימון : אם העבודה המאומצת נעלמת, יש לבנות מחדש את החניכות באמצעות לולאות תרגול מכוונות.
מאמרים שאולי תרצו לקרוא אחרי זה:
🔗 האם בינה מלאכותית תחליף רדיולוגים בעתיד הקרוב?
כיצד עבודת ההדמיה עשויה להשתנות עם אבחון בסיוע בינה מלאכותית.
🔗 האם בינה מלאכותית תחליף רואי חשבון או תשנה את התפקיד?
מה אוטומציה יכולה להתמודד איתו, והיכן בני אדם עדיין חשובים.
🔗 האם בינה מלאכותית תחליף אנליסטים של נתונים: השיחה האמיתית
מבט מעשי על משימות שבינה מלאכותית יכולה להחליף ולא יכולה להחליף.
🔗 האם בינה מלאכותית תחליף עורכי דין? שאלה מסובכת יותר ממה שנראה
מדוע עבודה משפטית מתנגדת לאוטומציה מלאה, למרות הישגים מהירים של בינה מלאכותית.
התשובה הקצרה ל"האם בינה מלאכותית תחליף את בנקאי ההשקעות" 📌
בינה מלאכותית לא צפויה להחליף לחלוטין את בנקאי ההשקעות מקצה לקצה, משום שבנקאות אינה רק מייצרת תפוקות - היא זוכה באמון, ניווט בעמימות והשגת עסקאות מעבר לקו, כאשר לכולם יש תמריצים שונים וזיכרון סלקטיבי.
אבל בינה מלאכותית בהחלט תעשה את הדברים הבאים:
-
אוטומציה של חלקים גדולים של ניתוח, ניסוח ועבודה תהליכית
-
דחיסת לוחות זמנים למצגות וביצוע
-
צמצום מספר האנשים הדרושים לשכבות עבודה מסוימות
-
הסטת ערך לכיוון מערכת יחסים כוח סוס + שיפוט + התפלגות
-
לאלץ את הבנקים לחשוב מחדש על מודל ה"חניכות" בין אנליסט לשותף
אז אם אתם שואלים "האם בינה מלאכותית תחליף בנקאי השקעות" כאילו מדובר בבחירה אחת של כן/לא, התשובה הישירה היא: בינה מלאכותית מחליפה משימות, לא את כל המין 🧠🤖
בדיקת מציאות מהירה: זה לא "יום אחד" - זה כבר נמצא במתמטיקה של כוח העבודה 🔢
דרך ברורה למסגר את זה: מנהלים לא מתווכחים אם בינה מלאכותית חשובה - הם מתקצבים סביבה.
-
בסקר המעסיקים של הפורום הכלכלי העולמי, 86% צופים שבינה מלאכותית וטכנולוגיית עיבוד מידע ישנו את עסקיהם עד 2030, ואותו מחקר מדגיש תנודת משרות (יצירה + עקירה) המונעת על ידי שינוי מבני. [1]
-
בינתיים, מחקרים גדולים בתחום הפרודוקטיביות טוענים כי בינה מלאכותית גנרטורה יכולה לשנות באופן מהותי את התפוקה לשעה אם ארגונים יצליחו לפרוס מחדש את הזמן ולחווט מחדש את זרימות העבודה ("אם" גדול, אבל זו הנקודה). [2]
תרגום: גם אם "בנקאים" לא ייעלמו, מודל התפעול לא יישאר זהה.
מה עושים בנקאי השקעות (החלק שאנשים שוכחים) 🧾📈
אם בנקאות השקעות הייתה רק גיליונות אלקטרוניים וסבבי שקופיות, השיחה הזאת כבר הייתה מסתיימת. אבל העבודה דומה יותר לחמש עבודות מוערמות במעיל טרנץ':
-
יצירת קשרים (מציאת עבודה וזכייה בה).
בניית קשרים, מיצוב, תזמון, פוליטיקה. קצת טיפול, קצת אסטרטגיה, קצת שחמט ♟️ -
ביצוע (השגת העסקה)
תיאום בין עורכי דין, רואי חשבון, ועדות פנימיות, הנהלת לקוחות, צדדים נגדיים... בנוסף למשברים "קטנים" מתמשכים. -
הערכת שווי ונרטיב
לא רק מספרים - סיפור ששורד בדיקה. למה העסקה הזו, למה עכשיו, למה המחיר הזה. -
ניהול תהליכים
לוחות זמנים, חדרי נתונים, בקשות בדיקה, ריכוז בעלי עניין. זה בעצם ניהול תהליכים מקצועי 🐈 -
ניהול סיכונים ושיפוט תדמיתי.
מה שלא לעשות חשוב לא פחות ממה לעשות. לפעמים יותר.
בינה מלאכותית יכולה לעזור עם כל החמישה. החלפת כל החמישה קשה יותר.
מה הופך גרסה טובה של בינה מלאכותית לבנקאות השקעות 🤝🤖
"גרסה טובה" של בינה מלאכותית בבנקאות אינה זו שמייצרת את הפסקה היפה ביותר. היא זו שמתנהגת כמו חבר צוות זוטר אמין אשר:
-
לא מזיז (או לפחות מסמן בבירור אי ודאות)
-
מסביר את הנחותיו מבלי להפוך להרצאה בפילוסופיה
-
עובד במסגרת מגבלות הציות מבלי להתלונן על כך
-
משתמש בתבניות עקביות ובקרת גרסאות (בנקאות אלרגית לאקראיות)
-
מבין את ההקשר - דינמיקת המגזר, נורמות מבנה עסקאות, רגישויות הלקוח
-
שומר על עקבות ביקורת כדי שמישהו יוכל להגן על הפלט מאוחר יותר 😬
בנוסף: תחום הפיננסים כבר מאמצ את הבינה המלאכותית (כולל GenAI) בתחומים כמו עיבוד נתונים ותאימות, תוך הצבעה מפורשת על סיכונים כמו אטימות, פרטיות, אבטחת סייבר והטיה. מתח זה הוא כל המשחק. [3]
הדרישה הנסתרת היא אמון. דוגמן יכול להיות חכם, אבל אם אי אפשר לסמוך עליו תחת לחץ, הוא הופך לנטל. כמו מכונית ספורט עם בלמים לא אמינים - כיף עד שלא.
היכן שהבינה המלאכותית פוגעת ראשונה: החלקים ה"תעשייתיים" של הבנקאות 🏭🧠
התזוזה המוקדמת ביותר היא בעבודה, כלומר:
-
נפח גבוה
-
מונחה תבנית
-
מועד לטעויות על ידי בני אדם
-
קל לבדוק מכנית
אז כן, הרבה כאב אנליסטים קלאסי נמצא באזור הפיצוץ.
משימות בעלות סבירות גבוהה לאוטומציה (או דחיסה משמעותית)
-
ניסוח טקסט מכריע וסקירות שוק ✍️
-
בניית טבלאות חיבורים מקלט מובנה
-
סיכום מסמכים, תמלולים, הערות מחקר
-
עיצוב שקופיות ואכיפת כללי מותג (להתראות, מלחמות יישור של 2 לפנות בוקר) 🎯
-
יצירת טיוטות של סעיפי CIM מהערות בדיקת תהליכים שסופקו
-
יצירת תרחישי הערכה מרובים במהירות
-
ניסוח מיילים, עדכוני סטטוס, סדר יום לפגישות (הדברים הזוהרים...)
הטוויסט
אפילו כאשר בינה מלאכותית "מבצעת" את המשימה, בני אדם עדיין:
-
בדוק את זה
-
תקן את זה
-
הגן על זה מבפנים
-
הציגו זאת כלפי חוץ
אז העבודה עוברת מיצירה לסקירה, פיקוח ושיפוט . מה שנשמע יותר קל... עד שאתה זה שחותם על זה 😵💫
דוגמה טיפוסית מאוד: השעה 23:17, הלקוח רוצה "סיפור שוויוני יותר" עד הבוקר, ומישהו צריך שלוש גרסאות עבור שלושה קהלים פנימיים. מערכת AI מוצקה יכולה לנסח את שפת המעבר הראשון ולבנות את שלד השקופיות תוך דקות - ואז השותף/סמנכ"ל עושה את העבודה האמיתית: לתקן את מה שנכון טכנית אך שגוי מבחינה מסחרית .
היכן שהבינה המלאכותית מתקשה: הדבק האנושי שסוגר עסקאות 🧩💬
הנה האמת המביכה: הרבה מערך של בנקאות השקעות הוא חברתי וסיטואציונלי. לא חברתי-פיקטיבי - אלא חברתי-הקשרי.
בינה מלאכותית מתקשה יותר עם:
-
פסיכולוגיית לקוחות: פחד, אגו, פוליטיקה פנימית, דינמיקה בדירקטוריון
-
ניואנסים במשא ומתן: מה שנאמר לעומת מה שהתכוון
-
אינסטינקטים של תזמון: מתי ללחוץ, מתי לעצור
-
אמון מבוסס מוניטין: "ראיתי את הסרט הזה בעבר, אל תעשו את זה"
-
מבנה יצירתי תחת אילוצים (מיסוי, ממשל, חיכוכים רגולטוריים)
-
אחריות: לקוחות רוצים אדם שלוקח אחריות על הייעוץ
מודל יכול להציע מבנה. הוא לא יכול לשבת מול מנכ"ל חצי כועס חצי מבועת ולנווט ברוגע את השיחה חזרה לבחירות רציונליות. זוהי מיומנות אנושית מאוד. לא קסומה - אנושית.
טבלת השוואה: מערכות מובילות של "בינה מלאכותית + בנקאות" (ולמי הן עוזרות) 📊✨
הנה מבט מעשי - לא טקסט שיווקי של "כלי הבינה המלאכותית הטוב ביותר", יותר כמו "דפוס שימוש מיטבי".
| כלי / התקנה | קהל | מְחִיר | למה זה עובד |
|---|---|---|---|
| אנליסט-טייס משנה לפרויקטים קומפרסוריים ודראפטים | אנליסטים, שותפים | $-$$ | מאיץ טיוטות ראשונות + מפחית שגיאות טיפשיות. עדיין צריך בדיקה (תמיד). |
| גנרטור Pitch-deck עם מעקות בטיחות של מותג | צוותי סיקור | $$ | הופך קווי מתאר גסים לדפים שמישים במהירות... העיצוב לפעמים נהיה מוזר |
| מסכם דיליג'נס + בוט שאלות ותשובות | צוותי עסקה | $$-$$$ | מקצר באופן דרמטי את זמן הקריאה, אך רק אם גישת הנתונים נקייה ומאושרת |
| חיפוש ידע פנימי (מדיניות, תקדימים) | כֹּל אֶחָד | $$ | מוצא את התשובה של "איך עשינו את זה בפעם האחרונה?" - חוסך זמן עצום 📚 |
| מודיעין קשרים (סימנים, מיפוי חשבונות) | קשישים, מקורות | $$-$$$ | מסייע בזיהוי תזמון וזוויות; אינו מחליף את מערכת היחסים עצמה |
| זרימת עבודה לאישור + בודק תאימות | סיכון, משפטי, בנקאים | $$$ | מונע טעויות שהופכות לכותרות. וגם מאט את העניינים... באופן אירוני 😬 |
כן, התמחור מעורפל. זה מכוון. רכש בנקאי הוא יקום מקביל בפני עצמו.
האם בינה מלאכותית תחליף בנקאי השקעות: זה תלוי בוותק 👔🧑💻
כאן השיחה נהיית חריפה.
אנליסטים וג'וניורים 😵💫
הרבה עבודה זוטרה היא:
-
ניסוח
-
עיצוב
-
עִדכּוּן
-
בנייה מחדש של אותו דגם עם שינויים קלים
בינה מלאכותית דוחסת את זה חזק. מה שאומר:
-
ייתכן שיידרשו פחות זוטרים לאותה תפוקה
-
תלמידי ג'וניור שיישארו צפויים לפעול ברמה גבוהה יותר מוקדם יותר
-
מודל ה"למידה דרך כאב" משתבש
יש סיכון ממשי: אם בינה מלאכותית תסיר את העבודה המפרכת, תלמידי כיתה י"א עלולים גם לאבד את החזרה שבונה אינטואיציה. קצת כמו ללמוד לבשל רק על ידי הזמנת אוכל - תשרוד, אבל לא תהפוך לשף.
שותפים וסגני נשיא 🧠
תפקידים אלה עשויים להפוך ליקרים יותר, משום שהם:
-
תרגמו את צרכי הלקוח לתוצרים
-
מצא מה לא בסדר לפני שזה נשלח
-
ניהול בעלי עניין ולוחות זמנים
-
פירוש עמימות וביצוע שיחות
בינה מלאכותית הופכת אותם למהירים יותר, לא למיושנים.
רופאים וגורמי גשם ☔
אם אתם באמת מייצרים הכנסות באמצעות מערכות יחסים ואמון, בינה מלאכותית לא תחליף אתכם. היא עשויה אפילו להרחיב את הפער בין:
-
בנקאים שיכולים ליזום ולייעץ
-
בנקאים שבעיקר מפקחים על תהליכים
קשה, אבל... כן.
ערימת המיומנויות החדשה של הבנקאי (aka איך לא להידחק הצידה) 🧰🚀
אם בינה מלאכותית מורידה מהצלחת שלך ייצור חוזר, מה שנשאר זה מה שאנשים משלמים עליו.
מיומנויות שהופכות להיות בעלות ערך רב יותר
-
בניית נרטיב של לקוח: הפיכת מורכבות לשכנוע 🎤
-
שיקול דעת מסחרי: מה חשוב, מה לא, מה מסוכן
-
זיהוי תבניות במגזר: הכרת ה"למה" מאחורי המספרים
-
משא ומתן והשפעה: פנימי וחיצוני
-
מנהיגות תהליכית: שמירה על קידום עסקאות גם במורכבות
-
פיקוח בינה מלאכותית: תוצאות הנחיה, אימות ובדיקות מאמץ
וכן, להיות "טוב בבינה מלאכותית" הופך לדבר אמיתי - לא בצורה מביכה. יותר כמו: האם אתם יכולים להשתמש בה באחריות, במהירות ובלי להביך את הצוות.
הדברים הלא נוחים: סיכון, תאימות ואחריות ⚠️🏛️
בנקאות אינה ארגז חול. זוהי מכונת אחריות.
שתי מציאויות מאוד לא סקסיות מניעות את מהירות האימוץ:
-
ניהול סיכוני מודל אינו אופציונלי.
לרגולטורים בנקאיים יש ציפיות ארוכות טווח בנוגע לניהול סיכוני מודל: אימות, תיעוד וניהול. (בינה מלאכותית גנרטיבית לא מקבלת אישור כניסה באופן קסום - אם כבר, היא מעלה את רף הבקרות.) [4] -
תקשורת + שמירת רשומות הופכת במהירות למאתגרת.
ברוקרים-דילרים מחויבים במפורש לשמור תקשורת עסקית (כולל תקשורת אלקטרונית) במסגרת משטרי שמירת רשומות של ה-SEC/FINRA. זה משנה כאשר אנשים מתחילים להדביק את הקשר העסקה בכלים, ליצור טיוטות או "לשוחח" עם בוטים פנימיים. [5]
אז אימוץ נראה לעתים קרובות כך: "בינה מלאכותית בכל מקום... אבל רק אחרי שהיא מגודרת."
איך נראה העתיד: פחות שכבות, מחזורים מהירים יותר, יותר התמחות 🔄💼
תוצאה ריאליסטית אינה הכחדת הבנקאים. זוהי שינוי הכלים של הבנקאים:
-
צוותי עסקה רזים הנתמכים על ידי מערכות בינה מלאכותית
-
עוד "קבוצות" של כישרונות בתחום + מוצר + ביצוע
-
איטרציה מהירה יותר של מצגות ומודלים
-
דגש רב יותר על הפצה (מי יכול למקם, מי יכול להביא קונים, מי יכול להעביר הון)
-
חלוקה בין:
-
ייעוץ בעל אמון גבוה (עם צריכת אנוש גבוהה)
-
עבודת ייצור בנפח גבוה (עמוסה בבינה מלאכותית)
-
בנוסף, צפו שיותר בוטיקים יעמדו מעל ומעבר למשקלם. אם בינה מלאכותית תיתן לצוותים קטנים יותר או לחברות גדולות יכולת ייצור, המבדיל הופך לקשרים, שיקול דעת ומומחיות נישה 🥊
האם בינה מלאכותית תחליף את בנקאי ההשקעות: הגרסה הקומפקטית 🧾✅
האם בינה מלאכותית תחליף את בנקאי ההשקעות? לא לגמרי. אבל היא תחליף נתח גדול ממה שבנקאים משקיעים זמן בו, במיוחד עבודות ייצור זוטרות.
מה שנדבק:
-
מערכות יחסים
-
פְּסַק דִין
-
מַשָׂא וּמַתָן
-
אחריות
-
ניווט במערכות אנושיות (לוחות מנהלים, אגו, פוליטיקה... כן)
מה משתנה:
-
גדלי צוותים
-
מסלולי הכשרה
-
ציפיות מהירות
-
ההגדרה של "הוספת ערך"
הבנקאי שמנצח הוא זה שהופך לעורך גדול של המציאות - משתמש בבינה מלאכותית לכוח סוס תוך שהוא נשאר אחראי באופן אובססיבי לשיחה. קצת פיוטי, אבל גם נכון. כמו שימוש בכלי חשמל: זה הופך אותך למהיר יותר, לא לחכם יותר.
שאלות נפוצות
האם בינה מלאכותית תחליף לחלוטין את בנקאי ההשקעות?
לא בצורה מסודרת ומקיפה. בנקאות השקעות אינה רק תוצאות - זוהי אמון, שיקול דעת, פוליטיקה, וגרמו לבני אדם אמיתיים לומר "כן" תחת לחץ. בינה מלאכותית תחליף חלקים מהעבודה, תדחס לוחות זמנים ותצמצם שכבות מסוימות, במיוחד בייצור זוטר. אבל לקוחות עדיין רוצים אדם שלקח אחריות על הייעוץ (ועל ההשלכות). 🤝
אילו משימות בנקאות השקעות צפויות להיות אוטומטיות תחילה?
העבודה ה"תעשייתית" נפגעת ראשונה: נפח גבוה, מבוססת תבניות וקלה לבדיקה מכנית. חשבו על טקסט מצגות במעבר ראשון, סקירות שוק, טבלאות חיבור, תקצירי הגשה/תמלול, עיצוב שקופיות, טיוטות של מקטעי CIM, הרצות תרחישים ועדכוני סטטוס אינסופיים. הטוויסט הוא שאתם לא מפסיקים לעבוד - אתם עוברים מיצירה לסקירה, תיקון והגנה על התוצר כאשר הוא שגוי מבחינה מסחרית.
האם בינה מלאכותית תחליף את בנקאי ההשקעות ברמת האנליסטים?
בינה מלאכותית דוחסת חזק את כאב האנליסט הקלאסי: ניסוח, עיצוב, עדכון ובנייה מחדש של אותו מודל עם שינויים זעירים. משמעות הדבר היא שפחות עובדים זוטרים צריכים את אותה תפוקה, וציפיות גבוהות יותר מאלה שנשארים. הסיכון הוא אימון: אם עבודה קשה נעלמת, כך גם החזרה שבונה אינסטינקטים. אי אפשר להפוך לחדים רק על ידי "הזמנת" העבודה. 😅
מה קורה לעמיתים, סגני נשיא ומנכ"לים ככל שהבינה המלאכותית מתפשטת?
שותפים וסגני נשיא עשויים להיות בעלי ערך רב יותר משום שהם מתרגמים צרכי לקוחות מורכבים למוצרים פוטנציאליים ומזהים בעיות לפני שמשהו נשלח. הם גם מנהלים לוחות זמנים, בעלי עניין ועמימות - תחומים שבהם בינה מלאכותית עדיין מתקשה. עבור מנהלים, יצירת קשרים ואמון לא נעלמת. הפער מתרחב בין "מפיקי גשם" לבין אנשים שבעיקר מפקחים על תהליכים. ☔
מדוע בינה מלאכותית מתקשה עם החלקים בבנקאות שסוגרים עסקאות?
מכיוון שהחלקים הקשים ביותר הם תלויי מצב ואנושיים. בינה מלאכותית יכולה להציע מבנים, אבל פסיכולוגיה של לקוחות, פוליטיקה של הדירקטוריון, ניואנסים של משא ומתן ואינסטינקטים של תזמון אינם מערכי נתונים נקיים. אמון מבוסס מוניטין הוא גם הוא מסובך: "ראיתי את הסרט הזה בעבר" הוא חלק ניסיון, חלק אחריות. כאשר מנכ"ל חצי כועס וחצי מבועת, מישהו צריך לנווט את החדר - לא רק לייצר טקסט.
כיצד בנקים יכולים להשתמש בבינה מלאכותית בבנקאות השקעות מבלי להישרף?
מערך "טוב" מתנהג כמו חבר צוות זוטר ואמין: הוא מסמן אי ודאות, מסביר הנחות, עובד במסגרת מגבלות תאימות ושומר על עקביות בתבניות. חשוב לא פחות, הוא זקוק לנתיב ביקורת כדי שמישהו יוכל להגן על התוצרים מאוחר יותר. אימוץ נראה לעתים קרובות כמו "בינה מלאכותית בכל מקום... אבל מגודרת", מכיוון שסיכוני פרטיות, אבטחת סייבר, אטימות והטיה לא נעלמים ביום העסקה. ⚠️
מהם הסיכונים הגדולים ביותר בתחום הציות וניהול רישומים עם GenAI בבנקאות?
שתי מציאויות מאטות הכל. ראשית, ניהול סיכוני מודל אינו אופציונלי - רגולטורים מצפים לאימות, תיעוד ובקרות, ו-GenAI יכול להעלות את הרף במקום להוריד אותו. שנית, תקשורת ושמירת רשומות חשובות: כאשר אנשים מדביקים הקשר של עסקאות לכלים או יוצרים טיוטות בצ'אט, אתם עלולים ליצור כאבי ראש של שימור ופיקוח תחת משטרי ברוקרים-דילר.
איך תישארו בעלי ערך אם בינה מלאכותית משנה את בנקאות ההשקעות?
חשבו על "כוח סוס, לא חוכמה". השתמשו בבינה מלאכותית כדי לנסח, לבנות ולבצע איטרציות מהר יותר - ואז הקדישו את זמנכם האנושי לנרטיב, שיפוט מסחרי, זיהוי תבניות מגזריות, משא ומתן ומנהיגות תהליכים. להיות "טוב בבינה מלאכותית" פירושו לפקח עליה באחריות: הגשת הנחיות טובות, ביצוע בדיקות לחץ על תוצאות, וזיהוי מה שנכון טכנית אך שגוי מבחינה מסחרית. המנצחים הופכים לעורכים מעולים של המציאות. 🧠🤖
שאלות נפוצות
האם בינה מלאכותית תחליף לחלוטין את בנקאי ההשקעות?
לא בצורה מסודרת ומקיפה. בנקאות השקעות אינה רק תוצאות - זוהי אמון, שיקול דעת, פוליטיקה, וגרמו לבני אדם אמיתיים לומר "כן" תחת לחץ. בינה מלאכותית תחליף חלקים מהעבודה, תדחס לוחות זמנים ותצמצם שכבות מסוימות, במיוחד בייצור זוטר. אבל לקוחות עדיין רוצים אדם שלקח אחריות על הייעוץ (ועל ההשלכות). 🤝
אילו משימות בנקאות השקעות צפויות להיות אוטומטיות תחילה?
העבודה ה"תעשייתית" נפגעת ראשונה: נפח גבוה, מבוססת תבניות וקלה לבדיקה מכנית. חשבו על טקסט מצגות במעבר ראשון, סקירות שוק, טבלאות חיבור, תקצירי הגשה/תמלול, עיצוב שקופיות, טיוטות של מקטעי CIM, הרצות תרחישים ועדכוני סטטוס אינסופיים. הטוויסט הוא שאתם לא מפסיקים לעבוד - אתם עוברים מיצירה לסקירה, תיקון והגנה על התוצר כאשר הוא שגוי מבחינה מסחרית.
האם בינה מלאכותית תחליף את בנקאי ההשקעות ברמת האנליסטים?
בינה מלאכותית דוחסת חזק את כאב האנליסט הקלאסי: ניסוח, עיצוב, עדכון ובנייה מחדש של אותו מודל עם שינויים זעירים. משמעות הדבר היא שפחות עובדים זוטרים צריכים את אותה תפוקה, וציפיות גבוהות יותר מאלה שנשארים. הסיכון הוא אימון: אם עבודה קשה נעלמת, כך גם החזרה שבונה אינסטינקטים. אי אפשר להפוך לחדים רק על ידי "הזמנת" העבודה. 😅
מה קורה לעמיתים, סגני נשיא ומנכ"לים ככל שהבינה המלאכותית מתפשטת?
שותפים וסגני נשיא עשויים להיות בעלי ערך רב יותר משום שהם מתרגמים צרכי לקוחות מורכבים למוצרים פוטנציאליים ומזהים בעיות לפני שמשהו נשלח. הם גם מנהלים לוחות זמנים, בעלי עניין ועמימות - תחומים שבהם בינה מלאכותית עדיין מתקשה. עבור מנהלים, יצירת קשרים ואמון לא נעלמת. הפער מתרחב בין "מפיקי גשם" לבין אנשים שבעיקר מפקחים על תהליכים. ☔
מדוע בינה מלאכותית מתקשה עם החלקים בבנקאות שסוגרים עסקאות?
מכיוון שהחלקים הקשים ביותר הם תלויי מצב ואנושיים. בינה מלאכותית יכולה להציע מבנים, אבל פסיכולוגיה של לקוחות, פוליטיקה של הדירקטוריון, ניואנסים של משא ומתן ואינסטינקטים של תזמון אינם מערכי נתונים נקיים. אמון מבוסס מוניטין הוא גם הוא מסובך: "ראיתי את הסרט הזה בעבר" הוא חלק ניסיון, חלק אחריות. כאשר מנכ"ל חצי כועס וחצי מבועת, מישהו צריך לנווט את החדר - לא רק לייצר טקסט.
כיצד בנקים יכולים להשתמש בבינה מלאכותית בבנקאות השקעות מבלי להישרף?
מערך "טוב" מתנהג כמו חבר צוות זוטר ואמין: הוא מסמן אי ודאות, מסביר הנחות, עובד במסגרת מגבלות תאימות ושומר על עקביות בתבניות. חשוב לא פחות, הוא זקוק לנתיב ביקורת כדי שמישהו יוכל להגן על התוצרים מאוחר יותר. אימוץ נראה לעתים קרובות כמו "בינה מלאכותית בכל מקום... אבל מגודרת", מכיוון שסיכוני פרטיות, אבטחת סייבר, אטימות והטיה לא נעלמים ביום העסקה. ⚠️
מהם הסיכונים הגדולים ביותר בתחום הציות וניהול רישומים עם GenAI בבנקאות?
שתי מציאויות מאטות הכל. ראשית, ניהול סיכוני מודל אינו אופציונלי - רגולטורים מצפים לאימות, תיעוד ובקרות, ו-GenAI יכול להעלות את הרף במקום להוריד אותו. שנית, תקשורת ושמירת רשומות חשובות: כאשר אנשים מדביקים הקשר של עסקאות לכלים או יוצרים טיוטות בצ'אט, אתם עלולים ליצור כאבי ראש של שימור ופיקוח תחת משטרי ברוקרים-דילר.
איך תישארו בעלי ערך אם בינה מלאכותית משנה את בנקאות ההשקעות?
חשבו על "כוח סוס, לא חוכמה". השתמשו בבינה מלאכותית כדי לנסח, לבנות ולבצע איטרציות מהר יותר - ואז הקדישו את זמנכם האנושי לנרטיב, שיפוט מסחרי, זיהוי תבניות מגזריות, משא ומתן ומנהיגות תהליכים. להיות "טוב בבינה מלאכותית" פירושו לפקח עליה באחריות: הגשת הנחיות טובות, ביצוע בדיקות לחץ על תוצאות, וזיהוי מה שנכון טכנית אך שגוי מבחינה מסחרית. המנצחים הופכים לעורכים מעולים של המציאות. 🧠🤖
שאלות נפוצות
האם בינה מלאכותית תחליף לחלוטין את בנקאי ההשקעות?
לא בצורה מסודרת ומקיפה. בנקאות השקעות אינה רק תוצאות - זוהי אמון, שיקול דעת, פוליטיקה, וגרמו לבני אדם אמיתיים לומר "כן" תחת לחץ. בינה מלאכותית תחליף חלקים מהעבודה, תדחס לוחות זמנים ותצמצם שכבות מסוימות, במיוחד בייצור זוטר. אבל לקוחות עדיין רוצים אדם שלקח אחריות על הייעוץ (ועל ההשלכות). 🤝
אילו משימות בנקאות השקעות צפויות להיות אוטומטיות תחילה?
העבודה ה"תעשייתית" נפגעת ראשונה: נפח גבוה, מבוססת תבניות וקלה לבדיקה מכנית. חשבו על טקסט מצגות במעבר ראשון, סקירות שוק, טבלאות חיבור, תקצירי הגשה/תמלול, עיצוב שקופיות, טיוטות של מקטעי CIM, הרצות תרחישים ועדכוני סטטוס אינסופיים. הטוויסט הוא שאתם לא מפסיקים לעבוד - אתם עוברים מיצירה לסקירה, תיקון והגנה על התוצר כאשר הוא שגוי מבחינה מסחרית.
האם בינה מלאכותית תחליף את בנקאי ההשקעות ברמת האנליסטים?
בינה מלאכותית דוחסת חזק את כאב האנליסט הקלאסי: ניסוח, עיצוב, עדכון ובנייה מחדש של אותו מודל עם שינויים זעירים. משמעות הדבר היא שפחות עובדים זוטרים צריכים את אותה תפוקה, וציפיות גבוהות יותר מאלה שנשארים. הסיכון הוא אימון: אם עבודה קשה נעלמת, כך גם החזרה שבונה אינסטינקטים. אי אפשר להפוך לחדים רק על ידי "הזמנת" העבודה. 😅
מה קורה לעמיתים, סגני נשיא ומנכ"לים ככל שהבינה המלאכותית מתפשטת?
שותפים וסגני נשיא עשויים להיות בעלי ערך רב יותר משום שהם מתרגמים צרכי לקוחות מורכבים למוצרים פוטנציאליים ומזהים בעיות לפני שמשהו נשלח. הם גם מנהלים לוחות זמנים, בעלי עניין ועמימות - תחומים שבהם בינה מלאכותית עדיין מתקשה. עבור מנהלים, יצירת קשרים ואמון לא נעלמת. הפער מתרחב בין "מפיקי גשם" לבין אנשים שבעיקר מפקחים על תהליכים. ☔
מדוע בינה מלאכותית מתקשה עם החלקים בבנקאות שסוגרים עסקאות?
מכיוון שהחלקים הקשים ביותר הם תלויי מצב ואנושיים. בינה מלאכותית יכולה להציע מבנים, אבל פסיכולוגיה של לקוחות, פוליטיקה של הדירקטוריון, ניואנסים של משא ומתן ואינסטינקטים של תזמון אינם מערכי נתונים נקיים. אמון מבוסס מוניטין הוא גם הוא מסובך: "ראיתי את הסרט הזה בעבר" הוא חלק ניסיון, חלק אחריות. כאשר מנכ"ל חצי כועס וחצי מבועת, מישהו צריך לנווט את החדר - לא רק לייצר טקסט.
כיצד בנקים יכולים להשתמש בבינה מלאכותית בבנקאות השקעות מבלי להישרף?
מערך "טוב" מתנהג כמו חבר צוות זוטר ואמין: הוא מסמן אי ודאות, מסביר הנחות, עובד במסגרת מגבלות תאימות ושומר על עקביות בתבניות. חשוב לא פחות, הוא זקוק לנתיב ביקורת כדי שמישהו יוכל להגן על התוצרים מאוחר יותר. אימוץ נראה לעתים קרובות כמו "בינה מלאכותית בכל מקום... אבל מגודרת", מכיוון שסיכוני פרטיות, אבטחת סייבר, אטימות והטיה לא נעלמים ביום העסקה. ⚠️
מהם הסיכונים הגדולים ביותר בתחום הציות וניהול רישומים עם GenAI בבנקאות?
שתי מציאויות מאטות הכל. ראשית, ניהול סיכוני מודל אינו אופציונלי - רגולטורים מצפים לאימות, תיעוד ובקרות, ו-GenAI יכול להעלות את הרף במקום להוריד אותו. שנית, תקשורת ושמירת רשומות חשובות: כאשר אנשים מדביקים הקשר של עסקאות לכלים או יוצרים טיוטות בצ'אט, אתם עלולים ליצור כאבי ראש של שימור ופיקוח תחת משטרי ברוקרים-דילר.
איך תישארו בעלי ערך אם בינה מלאכותית משנה את בנקאות ההשקעות?
חשבו על "כוח סוס, לא חוכמה". השתמשו בבינה מלאכותית כדי לנסח, לבנות ולבצע איטרציות מהר יותר - ואז הקדישו את זמנכם האנושי לנרטיב, שיפוט מסחרי, זיהוי תבניות מגזריות, משא ומתן ומנהיגות תהליכים. להיות "טוב בבינה מלאכותית" פירושו לפקח עליה באחריות: הגשת הנחיות טובות, ביצוע בדיקות לחץ על תוצאות, וזיהוי מה שנכון מבחינה טכנית אך שגוי מבחינה מסחרית. המנצחים הופכים לעורכים מצוינים של המציאות.
הפניות
[1] הפורום הכלכלי העולמי -
דוח עתיד המשרות 2025 (תקציר) [2] המכון הגלובלי של מקינזי -
הפוטנציאל הכלכלי של בינה מלאכותית גנרטורה: חזית הפרודוקטיביות הבאה [3] הבנק להסדרי סליקה בינלאומיים -
מערכת פיננסית חכמה: כיצד בינה מלאכותית משנה את הפיננסים (BIS Working Papers No 1194, PDF) [4] הפדרל ריזרב -
הנחיות פיקוחיות בנושא ניהול סיכוני מודל (SR 11-7), PDF [5] FINRA - ספרים ורשומות (כולל שמירת תקשורת אלקטרונית לפי כלל 17a-4 של חוק הבורסה של ה-SEC)